Page 108 - 2025年第56卷第5期

图 8 时空动态知识图谱本体设计
（2）知识抽取：构建图谱所涉及的相关信息，主要分为关系型数据库存储（实测的流量、水位及分
水量等）、计算提取所得（描述场景特征的分类因子 x —x 等）、通过模拟软件所得（表 2）与文档形式存
1 14
储（规划断面数据、水工建筑信息与渠段糙率数据等）。将这些数据进行实体识别，属性抽取，关系抽

取，最终得到三元组形式的知识，共得实体 3556 个，关系 11 500 个，属性 21 226 个。
（3）知识存储与更新：本研究选择 Neo4j 图数据库的导入精灵界面进行知识存储与更新管理。

4 结果与讨论

4.1 结果
（1）场景分类结果：采用 DBSCAN-RF 分类算法进行调度场景分类研究，分类算法的精度较高，
DBSCAN 聚类算法轮廓系数为 0.8341，RF 分类算法准确率为 95.47%。
（2）图谱构建结果：结合工程运行情况与实际需求进行图谱本体设计，划分实体 8 类，包括泵站、
分水口、闸门、断面、场景、时刻、调度模式与调度建议；关系 5 类，包括位于（位置关系）、包含、
时刻（时序关系）、实例与采取（调度建议）关系。经实体识别、属性抽取与关系抽取，最终得到三元组

形式的知识，共得实体 3556 个，关系 11 500 个，属性 21 226 个，其中描述时空状态变化的实体 2652
个、属性 21 216 个。
（3）辅助决策效果：辅助决策功能大致包括图谱可视化、知识检索、知识更新与调度建议提供。
a）图谱可视化：图 9 示例了图谱可视化效果，可以查询各时刻下淮河滩地分水口与引黄济峡分水

图 9 知识图谱可视化示例

— 654 —